Copertina

Is the Last Layer Sufficient for Uncertainty Quantification?

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wilson, Joseph, van der Heide, Chris, Hodgkinson, Liam, Roosta, Fred
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Uncertainty Quantification with the Empirical Neural Tangent Kernel
di: Wilson, Joseph, et al.
Pubblicazione: (2025)

The Interpolating Information Criterion for Overparameterized Models
di: Hodgkinson, Liam, et al.
Pubblicazione: (2023)

Determinant Estimation under Memory Constraints and Neural Scaling Laws
di: Ameli, Siavash, et al.
Pubblicazione: (2025)

Temperature Optimization for Bayesian Deep Learning
di: Ng, Kenyon, et al.
Pubblicazione: (2024)

Free Decompression with Algebraic Spectral Curves
di: Ameli, Siavash, et al.
Pubblicazione: (2026)

Spectral Estimation with Free Decompression
di: Ameli, Siavash, et al.
Pubblicazione: (2025)

Uncertainty-Aware Diagnostics for Physics-Informed Machine Learning
di: Daniels, Mara, et al.
Pubblicazione: (2025)

Multivariate Bayesian Last Layer for Regression with Uncertainty Quantification and Decomposition
di: Wang, Han, et al.
Pubblicazione: (2024)

A Regularization-Sharpness Tradeoff for Linear Interpolators
di: Hu, Qingyi, et al.
Pubblicazione: (2026)

Importance Sampling for Nonlinear Models
di: Rajmohan, Prakash Palanivelu, et al.
Pubblicazione: (2025)

Models of Heavy-Tailed Mechanistic Universality
di: Hodgkinson, Liam, et al.
Pubblicazione: (2025)

Bi-level Guided Diffusion Models for Zero-Shot Medical Imaging Inverse Problems
di: Askari, Hossein, et al.
Pubblicazione: (2024)

Is Last Layer Re-Training Truly Sufficient for Robustness to Spurious Correlations?
di: Le, Phuong Quynh, et al.
Pubblicazione: (2023)

On Uncertainty Quantification for Near-Bayes Optimal Algorithms
di: Wang, Ziyu, et al.
Pubblicazione: (2024)

First-ish Order Methods: Hessian-aware Scalings of Gradient Descent
di: Smee, Oscar, et al.
Pubblicazione: (2025)

How many classifiers do we need?
di: Kim, Hyunsuk, et al.
Pubblicazione: (2024)

Function Space Diversity for Uncertainty Prediction via Repulsive Last-Layer Ensembles
di: Steger, Sophie, et al.
Pubblicazione: (2024)

The Geometric Wall: Manifold Structure Predicts Layerwise Sparse Autoencoder Scaling Laws
di: Zaher, Eslam, et al.
Pubblicazione: (2026)

Manifold Integrated Gradients: Riemannian Geometry for Feature Attribution
di: Zaher, Eslam, et al.
Pubblicazione: (2024)

On Subjective Uncertainty Quantification and Calibration in Natural Language Generation
di: Wang, Ziyu, et al.
Pubblicazione: (2024)

Gradient-enhanced deep Gaussian processes for multifidelity modelling
di: Bone, Viv, et al.
Pubblicazione: (2024)

A Framework for Uncertainty Quantification Based on Nearest Neighbors Across Layers
di: Font, Miguel N., et al.
Pubblicazione: (2025)

Closed-Form Last Layer Optimization
di: Galashov, Alexandre, et al.
Pubblicazione: (2025)

Uncertainty Quantification for Deep Learning
di: van Leeuwen, Peter Jan, et al.
Pubblicazione: (2024)

Epistemic Wrapping for Uncertainty Quantification
di: Sultana, Maryam, et al.
Pubblicazione: (2025)

Counterfactual Explanations on Robust Perceptual Geodesics
di: Zaher, Eslam, et al.
Pubblicazione: (2026)

SALSA: Sequential Approximate Leverage-Score Algorithm with Application in Analyzing Big Time Series Data
di: Eshragh, Ali, et al.
Pubblicazione: (2023)

Last Layer Empirical Bayes
di: Villecroze, Valentin, et al.
Pubblicazione: (2025)

Uncertainty Quantification With Multiple Sources
di: Ying, Mufang, et al.
Pubblicazione: (2024)

Position: There Is No Free Bayesian Uncertainty Quantification
di: Melev, Ivan, et al.
Pubblicazione: (2025)

Richer Bayesian Last Layers with Subsampled NTK Features
di: Calvo-Ordoñez, Sergio, et al.
Pubblicazione: (2026)

Uncertainty Quantification for Quantum Computing
di: Bennink, Ryan, et al.
Pubblicazione: (2026)

Uncertainty Quantification in the Tsetlin Machine
di: Helin, Runar, et al.
Pubblicazione: (2025)

Uncertainty Quantification in SVM prediction
di: Anand, Pritam
Pubblicazione: (2025)

Accurate Remaining Useful Life Prediction with Uncertainty Quantification: a Deep Learning and Nonstationary Gaussian Process Approach
di: Xu, Zhaoyi, et al.
Pubblicazione: (2021)

Activation-Space Uncertainty Quantification for Pretrained Networks
di: Bergna, Richard, et al.
Pubblicazione: (2026)

On the Uncertainty Quantification Ability of Tabular Foundation Models
di: Johnson, Tyler R., et al.
Pubblicazione: (2026)

Variational Bayesian Last Layers
di: Harrison, James, et al.
Pubblicazione: (2024)

Uncertainty Quantification Metrics for Deep Regression
di: Lind, Simon Kristoffersson, et al.
Pubblicazione: (2024)

Interventional Processes for Causal Uncertainty Quantification
di: Dance, Hugh, et al.
Pubblicazione: (2024)